车联网是无线通信技术和汽车紧密结合的产物,被视为智能交通系统和保障交通便利安全的关键,受到业界人士的广泛关注。由于车联网具有大规模、变化速度快的拓扑结构,用户与位置服务提供者交互时易暴露其真实位置,导致车辆隐私信息被窃取的概率增加,使得车联网面临着安全和隐私威胁。进一步地,位置隐私保护作为车联网隐私研究内容之一,旨在切断位置信息与用户身份隐私关联性。因此,有效的位置隐私保护具有重要研究意义。本文主要在位置隐私保护领域进行分析研究,工作概括如下:1.不同场景下用户有不同的隐私需求,隐私保护强度越强需要以降低位置服务质量为代价。针对差分隐私算法在位置服务精确度和位置隐私保护强度之间的矛盾,本文给出了一种基于隐私分级的差分隐私位置隐私保护算法。具体的,首先测量位置传感器误差是否满足用户的隐私需求,若满足,则直接发送测量位置给服务器;若不满足,再通过决策树模型将用户的真实位置按照用户自定义敏感关键字进行隐私分级。其次,将真实位置和隐私级别作为差分隐私高斯机制算法的输入,输出满足隐私需求的混淆位置。最后,通过Geolife数据集与地理不可区分性算法和聚类不可区分型算法进行比较,本文所提出算法的隐私保护强度较高。仿真结果表明,这种基于隐私分级的差分隐私位置保护算法的优越性,不仅加强用户的位置隐私保护而且兼顾了位置服务的精确度。2.针对现有位置隐私保护机制无法保护用户时空活动中的位置信息,向服务器发布敏感信息会给用户增加隐私泄露风险,给出了一种基于差分隐私的时空事件隐私保护算法。具体的,首先将时空事件作为隐私目标,形式化为时间和空间维度的布尔表达式。其次,通过差分隐私定义时空事件隐私,给出一个时空事件隐私保护模型,将真实位置干扰为能够满足用户隐私需求的混淆位置。最后,通过数据集验证表明,该算法满足时空事件的隐私需求。仿真结果验证了基于差分隐私的时空事件隐私保护算法的可用性,同时也能保障用户时空活动的位置隐私。